Modélisation statistique non paramétrique et reconnaissance du mouvement dans des séquences d'images ; application à l'indexation vidéo

• Auteur / Autrice : Ronan Fablet
• Direction : Patrick Bouthémy
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal
• Date : Soutenance en 2001
• Etablissement(s) : Rennes 1

Mots clés

Mots clés contrôlés

Recherche d'images par le contenu

Traitement du signal

Résumé

Cette étude traite de l'analyse statistique non paramétrique du mouvement dans des séquences d'images pour des applications en reconnaissance et classification du mouvement. L'évaluation de similarité entre vidéos en indexation vidéo par le contenu constitue un domaine d'application privilégié des méthodes développées. Nous proposons tout d'abord un cadre original de modélisation statistique de l'information de mouvement dans des séquences d'images. Ces modèles captent des propriétés d'activité de mouvement et permettent de caractériser une large gamme de situations dynamiques (mouvements rigides, mouvements articulés, texture temporelle). Ils reposent sur l'évaluation de cooccurrences dans des séquences de cartes de mesures locales de mouvement, directement calculées a partir des intensités dans les images. L'exploitation de modèles causaux permet de proposer des schémas simples d'estimation des modèles au sens du maximum de vraisemblance. Elle permet également de construire une mesure de similarité entre séquences d'images, basée sur le contenu de mouvement et définie à partir de la divergence de Kullback-Leibler. Nous utilisons ces techniques de caractérisation non paramétrique du mouvement pour des problèmes de reconnaissance du mouvement et d'extraction et de caractérisation simultanées d'entités d'intérêt relativement à des propriétés d'activité de mouvement. Dans le contexte de l'indexation vidéo par le contenu, nous nous intéressons plus particulièrement la recherche par l'exemple dans des bases de vidéo en exploitant des similarités de mouvement. Ce problème de recherche est formulé dans un cadre statistique suivant le critère du MAP et exploite les modèles statistiques d'activité de mouvement. Par ailleurs, nous pouvons considérer des requêtes globales, à partir d'une caractérisation globale du contenu de mouvement des vidéos, comme des requêtes partielles, en exploitant le schéma d'extraction et de caractérisation d'entités d'intérêt.